Pertemuan ke 20-23
ALJABAR LINEAR
FAKULTAS TEKNIK UI
VI. Ruang Hasil kali Dalam (RHD)
Sub Pokok Bahasan
– Definisi Ruang Hasilkali Dalam (RHD)
– Panjang vektor , jarak antar vektor , dan keortogonalan
pada ruang hasil kali dalam
– Approximation Least Square
– Basis ortogonal, proses Gram Schmidt; Dekomposisi QR
(optional)
– Perubahan basis
– Matriks orthogonal;
Aplikasi RHD :
bermanfaat dalam beberapa metode optimasi,
seperti metode least square dalam peminimuman
error dalam berbagai bidang rekayasa.
2
3
6.1. DEFINISI RHD
Misalnya V adalah suatu ruang vektor, dan u , v V
maka notasi < , > dinamakan
hasil kali dalam
jika memenuhi keempat aksioma sebagai berikut:
1. u, v v, u (Simetris)
2. u v , w u , w v , w (Aditivitas)
3. untuk suatu kR, k u , v u, k v k u , v
(Sifat Homogenitas)
4. u , u 0 , untuk setiap u
dan u, u 0 u 0
(Sifat Positifitas)
4
5
Contoh soal :
Tunjukkan bahwa operasi perkalian titik standar di R3 Euclides
merupakan hasil kali dalam !
Jawab :
Misalkan : a(a1, a2, a3), b(b1, b2, b3) dan c(c1, c2, c3) berada dalam
R3. Akan ditunjukkan bahwa perkalian titik standar memenuhi 4
aksioma hasil kali dalam yaitu :
1. Simetri :
<a, b> = (a.b)
= (a1b1 + a2b2 + a3b3)
= (b1a1 + b2a2 + b3a3)
= <b,a> (terpenuhi)
2. Aditivitas :
<a+b, c> = ((a + b) . c)
= ((a1+b1, a2 + b2, a3 + b3) . (c1, c2, c3))
= ((a1c1 + b1c1) + (a2c2 + b2c2) + (a3c3 + b3c3))
= (a1c1 + a2c2 + a3c3) + (b1c1 + b2c2 + b3c3)
= <a,c> + <b,c> (terpenuhi)
3. Homogenitas :
<ka, b> = (ka.b)
= (ka1b1 + ka2b2 + ka3b3)
= k(a1b1 + a2b2 + a3b3)
= k(a.b)
= k< a,b > (terpenuhi)
4. Positivitas :
<a, a> = (a.a)
= (a12 + a22 + a32)≥ 0 terpenuhi)
dan
<u,u> = (a12 + a22 + a32)= 0 u =(0,0,0) = 0 (terpenuhi)
Contoh :
Diketahui <u,v> = ad + cf dengan u = (a,b,c) dan v = (d,e,f).
Apakah <u,v> tersebut merupakan hasil kali dalam ?
Jawab :
Akan ditunjukkan apakah <u,v> memenuhi 4 aksioma hasil kali dalam
berikut ini :
1. Simetri
<u,v> = ad + cf
= da + fc
= <v, u> (terpenuhi)
2. Aditivitas
Misalkan w = (g,h,i)
<u + v, w> = ((a + d, b + e, c + f), (g,h,i))
= (a + d)g + (c + f)i
= (ag + ci) + (dg + fi)
= <u,w> + <v,w> (terpenuhi)
3. Homogenitas
<ku,v> = (kad + kcf)
= k(ad + cf)
= k<v,u> (terpenuhi)
4. Positivitas
<u ,u> = (u.u) = (a2 + c2) ≥0 (terpenuhi)
dan
<u,u> = (a2 + c2) = 0 tidak selalu u =(0,0,0), karena
nilai u =(0,b,0) dengan b ≠0,
maka nilai <u,u> = 0 (tidak terpenuhi)
Contoh :
Ruang Hasil Kali Dalam Euclides ( Rn )
Misalkan u , v Rn maka u , v u1v1 u 2 v2 ... u n vn
1
u u, u 2
0
= (u12 + u22 + …..+un2)½
10
Contoh :
Misalnya W R3 yang dilengkapi dengan operasi
hasil kali u , v 2u1v1 u2v2 3u3v3 ,
dimana u , v W
Buktikan bahwa W adalah ruang hasilkali dalam
Jawab :
Misalkan u , v , w W
11
(ii ) u v , w <(u1+v1, u2+v2, u3+v3), (w1, w2, w3)>
= 2(u1+ v1)w1 + (u2+v2)w2 + 3(u3+v3)w3
= 2u1w1+2v1w1+u2w2 +v2w2+3u3w3+3v3w3
= 2u1w1+u2w2+3u3w3+2v1w1+v2w2+3v3w3
u, w v, w (bersifat aditivitas)
(iii) untuk suatu kR,
k u , v <(ku , ku , ku ), (v , v , v )>
1 2 3 1 2 3
= 2ku1v1 + ku2v2 + 3ku3v3
= k2u1v1 + ku2v2 + k.3u3v3
k u , v u, k v (bersifat homogenitas)
(iv) u , u 2u1 u2 3u3
2 2 2
12
Contoh :
Tunjukan bahwa u , v u1v1 2u2v2 3u3v3
bukan merupakan hasil kali dalam
Jawab :
Perhatikan
u , u u1 2u2 3u3
2 2 2
13
Contoh :
Diketahui u , v ad cf
dimana u (a, b, c) dan v (d , e, f )
Apakah u, v merupakan hasil kali dalam?
Jawab :
Jelas bahwa u, u = ( a2 + c2 ) 0
Misalkan u (0, 2, 0) diperoleh u , u 0
Padahal ada u 0
15
6.2. PANJANG VEKTOR , JARAK ANTAR VEKTOR
SUDUT DAN KEORTOGONALAN PADA RUANG
HASIL KALI DALAM
Jika V merupakan ruang hasil kali dalam, u,v dalam V,
maka :
a. Panjang u = <u,u>1/2
u v, u u v, v
u , u v, v 2 u , v
u v
2 2
Contoh soal :
Diketahui V adalah RHD dengan hasil kali dalam
<u,v> = (u1v1 + 2 u2v2 + u3v3) dengan u =(u1,u2,u3),
v =(v1,v2,v3). Jika vektor-vektor a, b dalam V dengan
a = (1,2,3) dan b = ( 1,2,2), tentukan :
a. Besar cos Ѳ dengan Ѳ adalah sudut antara a dan b
b. Jarak antara a dan b !
Jawab :
a, b 1.1 2.(2.2) 2.3
a. cos
a b
12 2.22 32 12 2.22 22
15 15
18 13 234
(a – b ) = (0,0,1)
1
d (a, b) a b, a b 2
19
Hasil Kali Dalam dengan Matriks
20
Hasil Kali Dalam dengan Matriks
21
Hasil Kali Dalam dengan Matriks Identitas
22
Hasil Kali Dalam dengan Matriks Identitas
23
Hasil Kali Dalam pada Matriks M22
24
Hasil Kali Dalam pada P2
25
Teorema
26
Pertidaksamaan Cauchy-Schwarz
• Pertidaksamaan Cauchy-Schwarz:
uv u v
atau
u1v1 u2v2 unvn (u12 u22 un2 )1 2 (v12 v22 vn2 )1 2
Sifat-sifat norm dan jarak
( Teori Sifat Panjang Dalam Ruang Hasil Kali Dalam)
• Jika u dan v adalah vektor dan k skalar
||u|| ≥ 0
||u|| = 0 iff u =0
||ku|| = |k| ||u||
perkalian vektor dgn skalar mengalikan
panjang dr vektor sebesar k
ku
u+v
u v
u
29
Sudut Antar Vektor
• Ketidaksamaan Cauchy-Schwarz dapat digunakan
untuk mendefinisikan sudut dalam ruang hasil kali
dalam berdasarkan hubungan
• θ adalah sudut antara u dan v dimana
30
Contoh :
Jawab :
31
Keortogonalan (Vektor Ortogonal)
• Dua vektor u dan v adalah ortogonal iff
u·v = 0
• Vektor u, v dan u+v membentuk sisi-sisi
segitiga
u+v v
u
• Teorema Phytagoras
||u+v||2=||u||2+||v||2
Contoh :
Jawab :
33
Contoh :
Buktikan vektor ortogonal di P2
Jawab :
34
Teorema Phytagoras
Contoh :
35
Keortogonalan
• Semua himpunan vektor-vektor didalam
ruang perkalian dalam disebut himpunan
ortogonal jika semua pasangan vektor-
vektor yang beda didalam himpunan
tersebut ortogonal.
36
6.3. APROKSIMASI TERBAIK ; KUADRAT
TERKECIL (LEAST SQUARE)
• Aproksimasi disini sama artinya dengan pendekatan atau
hampiran
• proyeksi orthogonal dapat digunakan untuk menyelesaikan soal
tertentu mengenai aproksimasi
PROYEKSI ORTHOGONAL DIPADANG SEBAGAI APROKSIMASI
37
Dengan kata lain, di antara semua vektor w pada W,
vektor w = projwu meminimalkan jarak
41
Menyelesaikan suatu permasalahan kuadrat terkecil
• misalkan W adalah ruang kolom dari A. Untuk setiap
matriks x, n × 1, hasil kali Ax adalah suatu kombinasi linier dari
vektor-vektor kolom dari A. Sehingga, dengan bervariasinya
nilai x di dalam Rn, vektor Ax juga akan bervariasi pada berbagai
kombinasi linier yang mungkin dari vektor-vektor kolom dari A,
maksudnya Ax bervariasi di seluruh ruang kolom W.
• Secara geometrik, untuk menyelesaikan kuadrat terkecil kita harus
mencari vektor x pada Rn, sehingga Ax adalah vektor terdekat
ke b di dalam W. Berdasarkan Teorema Aproksimasi Terbaik,
bahwa proyeksi ortogonal b pada W merupakan vektor terdekat
dari b di dalam W. Agar sebuah vektor pada x dapat menjadi solusi
kuadrat terkecil dari Ax = b, vektor ini harus memenuhi :
Ax = projwb
Kita mengetahui bahwa
44
Dari teorema A dan B, menghasilkan teorema berikut;
Jika A adalah sebuah matriks m x n yang memiliki vektor-vektor
kolom yang bebas linear, maka untuk setiap matriks b, m x 1, sistem
linear Ax = b memiliki sebuah solusi kuadat terkecil yang unik.
Solusi ini diberikan oleh :
x = (ATA)-1ATb (*)
Selanjutnya, jika W adalah ruang kolom dari A, maka proyeksi
ortogonal b pada W adalah
Proyw b = Ax = A(ATA)-1ATb (**)
CATATAN:
• Rumus (*) dan (**) dapat diterapkan dalam berbagai aplikasi
teoritis, namun keduanya tidak efisien dan apabila
diterapkan untuk perhitungan numerik.
• Solusi kuadrat terkecil dari Ax = b paling baik dihitung
dengan menggunakan eliminasi Gauss atau eliminasi Gauss-
Jordan untuk menyelesaikan persamaan-persamaan
normalnya, dan proyeksi ortogonal b pada ruang kolom
dari A paling baik didapatkan dengan cara menghitung Ax, di
mana x adalah solusi kuadrat terkecil dari Ax = b. 45
Contoh :
Solusi Kuadrat Terkecil
Tentukan solusi kuadrat terkecil dari sistem
linear Ax = b yang diberikan oleh
x1 – x2 = 4
3x1 + 2x2 = 1
-2x1 + 4x2 = 3
dan tentukan proyeksi ortogonal b pada ruang kolom
dari A.
46
Penyelesaian:
Di sini
47
Contoh
Jawab
48
6.4. BASIS ORTOGONAL, PROSES GRAM SCHMIDT;
DEKOMPOSISI QR (OPTIONAL)
Secara Operasional
49
Misalkan
S v1 , v2 ,..., vn
adalah basis ortonormal untuk RHD V
Jika u adalah sembarang vektor pada V,
maka
u k1v1 k 2 v2 ... k n vn
50
Sehingga, untuk setiap i berlaku
u , vi k i
Kombinasi linear u k1v1 k 2 v2 ... k n vn
Ditulis menjadi
u u , v1 v1 u , v2 v2 ... u , vn vn
Contoh 6 : 1
a
Tentukan kombinasi linear dari
2
pada RHD Euclides berupa bidang yang
dibangun
1 1
2
dan
u 2 v 1
1
2 2
51
Jawab :
a k1u k2v Perhatikan …..
u dan v mrp
Basis ortonormal
a a , u u a , v v
a 1
2
u 1
2
v
52
Contoh : Cek apakah himpunan A berikut ortonormal/ortogonal
1 -1
1. A
0 , 0
1 0
2. B
0 , -1
Pada RHD Euclides, B merupakan himpunan ortonormal.
12
1
1
3.
C 2
2
1
2
Pada RHD Euclides, C merupakan himpunan ortonormal.
53
Proses Gramm-Schmidt
54
Proses Gramm-Schmidt
w1 p1
c2 , w1 w1
p1 proyw1 c2
w1
c2 , w1 w1 q1 c2 p1
c 2 c 2 , w1 w1
w2 Vektor satuan searah q1
c 2 , c 2 , w1 w 2
w3 W
p2
w1 w2
p2 proyW c3 c3 , w1 w1 c3 , w2 w2 q 2 c3 p 2
c c3 , w1 w1 c3 , w2 w2 Vektor satuan
w3 3 Yang tegak lurus
c3 c3 , w1 w1 c3 , w2 w2 Bidang W
57
Contoh :
Diketahui :
1 0 0
B u1 1, u 2 1 , u 3 0
1 1 1
B merupakan basis pada RHD Euclides di R3.
Transformasikan basis tersebut menjadi basis
Ortonormal
Jawab :
Langkah 1. 1
3
v1
u1
1, 1, 1
1
u1 3 3
1
3
58
Langkah 2
u2 proyv1 u2
v2
u2 proyv1 u2
sehingga : 2
6
1
v2
6
1
6
59
Langkah 3
u3 proy W u3
v3
u3 proy W u3
Sementara itu,
u3 proy W u3 u3 u3 , v1 v1 u3 , v2 v2
1 1 1 1 1 2 1 1
0, 0,1
, ,
, ,
3 3 3 3 6 6 6 6
1 1
0, ,
2 2
sehingga : 0
v3 2
1
1
2
60
Jadi,
1 2 0
6
3
v1, v2 , v3 = 1
, 16 , 12
1 1
3
1
3 6 2
merupakan basis ortonormal untuk ruang vektor R3
dengan hasil kali dalam Euclides
61
Contoh : 1 0
Diketahui bidang yang dibangun oleh 0 , 1
1 1
merupakan subruang
dari RHD Euclides di R3
Tentukan proyeksi orthogonal dari vektor
1
u 1
1
pada bidang tersebut.
62
Jawab :
Diketahui 1 0
v1 0 , v 2 1
1 1
merupakan basis bagi subruang pada RHD tsb.
Karena v1 , v2
Selain membangun subruang pada RHD
himpunan tsb juga saling bebas linear
(terlihat bahwa ia tidak saling berkelipatan).
Langkah awal :
Basis tersebut basis ortonormal.
63
v
w1 1
v1
1 , 0 ,1
12 02 12
1 , 0 ,1
2
1 1
,0 ,
2 2
64
Sehingga:
1 1 1 1 1
v2 , w1 w1 ,0 , v2 v2 , w1 w1 0 ,1 ,1 , 0 ,
2 2 2 2 2
1 1 1 1
,0 , ,1 ,
2 2 2 2
Akibatnya :
2 2
1 1
v2 v2 , w1 w1 12
2 2
1 1
1
4 4
6
4
1
6
2
65
Akhirnya, diperoleh
v2 v2 , w1 w1
w2
v2 v2 , w1 w1
1 1
,1 ,
2 2
1
6
2
1 2 1
, , =
6 6 6
Jadi Basis Orthonormal bagi bidang tsb
1
1
6
2 2
0 ,
1 6
2 1
6
66
Proyeksi Orthogonal Vektor 1
u 1
1
pada bidang tersebut adalah
Pr oy W u u , w1 w1 u , w2 w2
Perhatikan bahwa :
1 1
u , w1 1 ,1 ,1 ,0 ,
2 2
1 1
0
2 2
2
2
2
67
Sementara itu :
1 16
u , w2 1, 26
1 1
6
1 2 1
6 6 6
2
6
68
Dengan demikian,
Pr oy W u u , w1 w1 u , w2 w2
1
1 3
2
= 0
3
1 1
3
2
3
2
3
4
3
69
Contoh
Jawab
70
71
Normalisasi himpunan orthogonal ke
himpunan orthonormal
72
Contoh
Jawab
73
Faktorisasi QR
Teorema. Jika A merupakan matrik mxn yang memiliki
kolom bebas linier, maka A dapat difaktorisasi sebagai QR
dengan : Q adalah matrik mxn yang memiliki kolom
ortogonal dan R adalah matrik segitiga atas yang
invertible.
1 -1 3
v1.x2 2 2
v2 perpw1 ( x2 ) x2 v1 1
v1.v1 0 4 -1
2
1 1 2
1
Untuk menghilangkan pecahan pada v2 dilakukan perkali-
an skalar tanpa merubah hasil akhirnya. Dengan demikian
v2 dirubah menjadi : 3
3
v2 2v2
1
1
2 1 1 1
Kembali dilakukan penskalaan ulang :
-1
0
v3 2v3
1
2
Akhirnya diperoleh basis ortogonal v1 , v2 , v3 untuk W
Untuk mendapatkan basis ortonormal dilakukan
normalisasi setiap vektor
1 2
1
1
1 1 -1 - 2
q1 v1 1
v 2 -1 - 2
1
1
1 2
3 5
10
3
3 5
1 1 3 10
q2 v2
v2 2 5 1 5
10
1
5
10
- 6
-1 6
0
1 1 0
q3 v3
v3 6 1 6
6
2 6
3
12 3 5
10 - 6
6
1
0
3 5
- 2
Jadi Q q1 q2 q3
10
- 1 5 6
2 10 6
1 2 5
10
6
6
A = QR, untuk mencari R suatu matrik segitiga atas,
digunakan kenyataan bahwa Q memiliki kolom orto-normal
sehingga QTQ = I.
Oleh karena itu : QTA=QTQR = IR=R
Diperoleh hasil akhir :
1 2 2
1 - 1 - 1 1
2 2 1 1
2
2 2 2 2
3 5
-1 1
RQ A
T 5 3 5 5
10 0 5 3 5
2
-1 1
10 10 10
0
- 6 6
3 0 0
6 6
6 0 6 2
1 1 2
6.5. Perubahan Basis
Suatu ruang vektor dapat memiliki beberapa basis
Jika terdapat sembarang vektor x dalam ruang vektor V yang
memiliki himpunan vektor A dan B sebagai basisnya, maka x
tentunya merupakan kombinasi linier dari vektor A dan B
81
Untuk vektor x yang sama pada setiap sistem koodinat,
maka penulisan koordinat vektor x yang sesuai dengan B
dan C adalah :
1 6
x B dan x C
3 -1
-1 2 5
x = u1 + 3 u2 = 2 3 -1 -1
Jawab
85
86
6.6. Matrix Ortogonal
Definisi : Suatu matrik Q ukuran n x n yang
memiliki kolom berbentuk himpunan
ortonormal disebut:
matrik ortogonal.
Teorema 6.6.1.
Kolom matrik Q ukuran m x n
berbentuk himpunan ortonormal jika
dan hanya jika QTQ = In
Teorema 6.5.2.
Matrik bujursangkar Q adalah
ortogonal jika dan hanya jika Q-1 = QT
87
Contoh soal :
Buktikan Matrik A3x3
Adalah ortogonal
Jawab :
88
Teorema 6.6.3
Ambil Q matrik nxn, maka pernyataan berikut ini
memiliki arti yang sama :
a. Q adalah ortogonal.
b. Qx x untuk setiap x dalam R n
c. Qx.Qy x. y untuk setiap x dan y dalam R n
Teori 6.6.4
Jika Q adalah matrik ortogonal, maka elemen baris
merupakan himpunan ortonormal.
Teori 6.6.5
Ambil Q merupakan matrik ortogonal.
a. Q-1 adalah ortogonal
b. det Q =
c. Jika λ adalah nilai eigen dari Q, maka
d. Jika Q1 dan Q2 adalah matrik ortogonal nxn,
maka demikian juga untuk Q1Q2 89
Komplemen ortogonal
Definisi : Ambil W subruang dari Rn. Sebuah vektor v
dalam Rn ortogonal dengan W jika v ortogonal dengan
setiap vektor dalam W. Himpunan semua vektor yang
ortogonal dengan W disebut komplemen ortogonal
dari W ditulis sebagai: W
W W dan W =l
w
Teori 6.6.6.
Ambil W subruang dari Rn.
a. W adalah subruang dari Rn.
b. ( W ) W
c. W W = {0}
d. Jika W = span (w1, ……, wk), maka v berada
dalam W
jika dan hanya jika v. wi untuk semua i= 1,.,k
Teori 6.6.7
Ambil A matrik m x n. Komplemen ortogonal
dari ruang baris A adalah ruang null A dan
komplemen ortogonal dari ruang kolom A
adalah ruang null AT
(baris( A)) null ( A) dan (kolom( A)) null ( AT )
Jadi suatu matrik m x n mempunyai 4 subruang :
baris (A) dan null (A) : komplemen ortogonal dari Rn
kolom (A) dan null (AT): komplemen ortogonal dari
Rm Disebut : subruang fundamental dari matrik A mx
n
null (A) null (AT)
0 0
TA
baris (A)
kolom (A)
Rn
Rm
93
Perhitungan perubahan basis suatu matrik
dengan metode Gauss-Jordan
Anggap B = {u1….., un} dan C = {v1….., vn} merupakan basis
dari ruang vektor V dan P adalah matrik transisi basis B ke C.
Kolom ke i dari P adalah :
P1i
ui C
Pni
Jawab :
Jika ε adalah basis sembarang untuk M22 merupakan basis
standar, maka dapat diperoleh :
1 0 -1 0
Matriks 0
Transisi P -1 1 0
0 1 0 -1
0 0 0 1
1 0 0 0 1 1 1 1
0 0 1 0 0 1 1 1
PB dan PC
0 1 0 0 0 0 1 1
0 0 0 1 0 0 0 1
98
3. W merupakan subruang RHD euclides di 3
yang dibangun oleh vektor
1 1
1 dan 0
0 1
1
Tentukan proyeksi orthogonal vektor 1
2
pada W
99